嘉加资本对话Normal Computing创始人：在硅谷，创始人只需做对三件事

文｜尚莞迪

一块GPU为了「不出错」付出的代价，远比大多数人想象的高。

传统GPU需要消耗大量能量来保证计算的准确性，而运行在上面的AI模型，却常常需要随机性：扩散模型从噪声中生成图像，大语言模型通过概率采样生成文本。Normal Computing创始人Faris Sbahi由此提出一个想法：能否直接利用硬件中的噪声完成部分计算，让AI少耗一些电？

Normal Computing成立于2022年，总部位于纽约，前身为Google X内部项目。公司有两条业务线：用AI改进芯片设计与验证工具，以及利用这些工具开发新的计算硬件。

今年3月，Normal完成由三星催化基金（Samsung Catalyst Fund）领投的5000万美元战略融资，累计融资超过8500万美元。投资方还包括美光风投、埃里克·施密特旗下的First Spark Ventures和嘉加资本EnvisionX Capital。据该公司披露，全球营收排名前十的半导体公司中，已有半数以上与其建立合作。今年8月，Normal在Hot Chips大会上公布了首颗热力学计算芯片CN101的测试结果。

Normal团队瞄准的是AI扩张中的能源瓶颈。随着数据中心用电需求增长，单纯增加能源供应难以支撑算力的持续扩张。公司试图从计算架构入手降低能耗，让同样的电力和成本支持更多AI计算。

近期在斯坦福商学院举行的一场炉边对话中，嘉加资本EnvisionX Capital创始及管理合伙人郑泓Holly Zheng，向Normal Computing联合创始人兼CEO Faris Sbahi抛出了一个投资人视角的问题：你们和全球主要半导体公司之间，究竟是客户与供应商的关系，还是未来可能变成竞争对手？

Faris Sbahi的回答是：

「当你要在一个几十年没怎么变过的行业里做颠覆的事，就必须足够有耐心，也必须非常认真地对待合作关系。」

郑泓也回顾了投资Normal的决策过程。双方最初讨论的是EDA（电子设计自动化）：用AI做芯片验证，商业逻辑清晰，目标市场明确。随着了解深入，她发现Normal的愿景远不止于此——这家公司还打算开发全新的计算架构。这让她看到了公司更大的长期增长潜力，也为公司未来的估值留下了更多想象空间。

以下为这场对话的核心内容。

01 从物理学到Google X

Faris的创业起点是物理学。他在杜克大学读完本科，进入加州理工学院攻读理论物理与量子信息博士。

他一直对计算、物理与信息论的交叉领域感兴趣。高中时，他曾在一门AP化学课上做过一个介绍早期量子计算的项目。当时，Google已经成立了量子AI实验室。量子计算可能引发一场影响整个社会的技术变革，这让他深深着迷。

但在攻读博士期间，他开始怀疑，量子计算是否真能如早年预想的那样，对AI和其他前沿技术产生深远影响。带着这个疑问，他离开博士项目，加入Google Brain的一支前沿深度学习团队，在祖宾·加拉马尼（Zoubin Ghahramani）的带领下，参与TensorFlow核心框架的开发。

「我当时就是想弄清楚，真正的技术前沿究竟长什么样，什么样的技术才能带来变革性的影响。」

他原本打算回去读完博士，但这个计划始终没能实现。在Google，他通过「20%时间」制度开始探索新的研究方向。「20%时间」这项制度允许员工拿出五分之一的工作时间做其他项目。Faris笑称，内部其实管它叫「120%时间」：因为原本的工作一点没少，在此基础上又多了一份。

他利用这段额外的时间，为Google Brain当时的计算任务探索新的专用芯片架构，重点是模拟计算。此后他获得了一次向Google联合创始人谢尔盖·布林提案的机会，并因此受邀加入了Google X继续推进该项目。

之后团队最终从Google独立了出来。Faris说，从某种程度上讲，团队是「被迫」独立出来的。因为当时他们所在的更大团队正从Google分拆出来成立了SandboxAQ。他们于是向管理层提出要求，希望另行成立一家独立公司，取名为Normal。

这项始于Google内部的研究，最终延伸成为Faris的创业项目。

02 从振荡器到DRAM，寻找可规模化的计算架构

Faris将Normal技术路线的演变分为三个阶段。

最初只是一个基本判断：AI工作负载具有非确定性，扩散模型等算法本身就可以用随机微分方程描述。但运行这些算法的传统硬件，仍要消耗大量能量来维持计算的确定性。团队由此开始探索，能否直接利用硬件中的噪声完成概率计算。

之后，在Google期间，团队尝试过基于振荡器的模拟计算架构，相关论文也在《Nature》等期刊上发表。随着模型越来越大、上下文窗口越来越长，规模化已成为绕不开的问题。团队逐渐意识到，早期采用的模拟RLC电路难以满足这一要求。

大约两年前，他们转向了DRAM（动态随机存取存储器）。选择DRAM的原因是：它的制造工艺成熟，已实现大规模、低成本生产，存储密度也远高于SRAM（静态随机存取存储器）。Normal团队发现，可以重新利用这种存储器，在内部直接完成带噪声的计算。

这一选择也与大模型推理面临的瓶颈高度相关。在推理过程中，数据需要在存储器与计算单元之间反复搬运，产生大量延迟和能耗，算力因此难以充分发挥。而将部分计算放进存储器，则有可能减少数据搬运的开销。DRAM现有的制造能力，为这条技术路线的规模化提供了基础保障。

去年，Normal团队搭建了一套参考系统，并开始接触前沿AI实验室。谈到这里时，Faris提到几家头部实验室都成为了合作伙伴以及「潜在的重要客户」。他还提到，公司已有一些商业进展，具体金额暂不便公开。

03 硬件尚在研发，设计工具先有了客户

在开发新硬件的过程中，Normal团队发现，现有的芯片设计软件仍难以满足需求。

过去几十年中，半导体设计软件市场主要由新思科技（Synopsys）、楷登电子（Cadence）和西门子主导。据Faris估计，这个市场的年营收接近200亿美元，但在他看来，工程师使用的工具自上世纪九十年代以来，几乎没有发生根本变化。

「现在还有人真正自己写代码吗？反正我已经不怎么写了。」Faris笑道。

他希望能将AI辅助软件开发的方式引入到芯片设计中。开发非常规计算架构，需要新的综合与仿真工具，也需要让AI更多地参与其中。

Normal团队因此开始自研工具。一些与Normal合作的存储器公司对这些工具产生了兴趣，随后便成为Normal EDA的付费客户。一套最初为内部研发服务的工具，由此发展成了产生收入的独立业务。

这也是嘉加资本创始及管理合伙人郑泓最初接触Normal时最为看重的业务方向。在深入了解后，她发现，Normal团队还计划用这些工具开发新的计算硬件。据公司今年3月发布的介绍，Normal EDA的近期目标是将定制芯片从设计到上市的周期缩短一半，长期则希望借助这套平台开发新硬件，将计算效率提升上千倍。

目前，EDA工具已开始对外销售，新计算架构仍在研发中。Normal既向芯片公司提供设计工具，也用这些工具推进自己的硬件研发。

04 半导体创业的壁垒，也在供应链里

郑泓随后问了一个所有投资人都会关心的问题：Normal和全球主要半导体公司之间，到底是客户与供应商的关系，还是有朝一日会变成竞争对手？

Faris的回答谈到了Deep Tech创业中常被低估的一环。

「当你要在一个几十年没怎么变过的行业里做颠覆性的事，就必须抱有足够的耐心，也必须非常认真地经营合作关系。」

在2022年前后，Normal团队开始接触三星、美光和SK海力士等一线存储器公司。在Faris看来，这些公司多年来依靠制造工艺的持续改进积累优势，对新技术的采用则十分谨慎。

Normal提出与它们共同开发一条新产品线，让现有存储器技术用于新的计算场景。双方从概念验证开始，逐步签订联合开发协议，部分协议中也已包含商业条款。EDA工具让双方得以更早开展合作，Normal在硬件成熟之前，就能先向合作方提供软件技术。

Faris曾长居韩国，推进与其中一家公司的合作。后来，对方邀请Normal团队进驻，在办公楼20层提供了一间办公室。据他回忆，对方告诉他，二十多年来公司从未这样接纳过一家外部公司。

那里的保密措施十分严格。电脑和手机必须存入储物柜，离开时，随身携带的纸张也要接受检查，以防带出DRAM的核心技术资料。在Faris看来，建立这样的合作需要耐心，投入的时间也会逐渐成为公司的壁垒。后来者想获得同样的机会，仍要从概念验证做起，一步步取得对方的信任，这是一个没有捷径可走的过程。

「对硬件来说，供应链非常复杂，你必须以正确的方式融入其中。」

对投资人而言，判断一家深科技公司的壁垒，除了看论文、专利和性能指标，也要看它与制造商的合作究竟走到了哪一步。能否进入对方的研发流程、共同开发产品，既取决于技术，也取决于长期合作中积累的信任。

05 小团队与被放大的幂律

当郑泓问道：在离开Google之后，是否还能经常接触到最顶尖的人才？Faris的回答则非常有意思：「小团队正在变成优势。」

Google是一家超过十万人的公司，能在这样的规模上维持人才标准，几乎是一个奇迹。但如果想把一种全新的技术或产品推向市场，往往只需要一支规模更小、人才密度更高的团队。过去几年，不少出色的AI产品就出自这样的小团队。

他举了两个例子。几周前他和Meta首席AI官Alexandr Wang聊天，对方不肯透露Muse核心团队的确切人数，只说小得惊人。另一个是Recursive，这家公司只有三十多人，用不到四个月做出了首个模型。

「AI正在放大一种幂律分布。如果你原本的生产力是普通人的十倍，现在可能会变成一百倍，甚至一千倍。」

他转述了几天前在另一场活动中听到的谷歌前CEO埃里克·施密特的判断：企业最终可能只剩下两种职能，销售和工程。今天你所熟悉的其他职能，可能都不再有存在的必要。

郑泓也谈起了自己的一段经历。2019年12月，她首次以蓝色光标国际CEO的身份在里斯本发表演讲，面对近两千名观众，她曾自豪地说，自己在全球管理着一支三千人的团队。

「现在回头再看，真是倍感惭愧。管理三千个人，从经营利润的角度看，并没什么值得骄傲的。」

这句话也很好地阐释了嘉加资本看项目的一个隐含标准：在AI时代，组织规模不再是实力的象征，人才密度才是。

06 招聘优先级：使命认同、认知能力，最后才是经验

Normal的业务涉及物理、计算与半导体工程，需要汇集不同专业背景的人才。郑泓就此问道Faris在招聘上犯过哪些错？

Faris认为，在团队招聘中最常见的错误是过于看重经验。比如招聘RTL（寄存器传输级代码）工程师，看到候选人有三十年经验，就认为找到了难得的人选。但在他看来，工作年限在招聘判断中的重要性，远没有人们想象的那么高。

他首先看重的是使命认同与文化契合。做一件全新的事，总会遇到毫无进展的时候。团队不知道怎么办，如果去问CEO，CEO也同样没有答案。如果没有对这件事足够深的认同感，很难坚持把事情做下去。

其次是Google所提倡的「通用认知能力」，也就是解决困难问题的能力。具体的岗位经验的重要性都应该排在这两项之后。

Normal在团队搭建上也走过弯路。创业早期，董事会希望这几位从Google出来的年轻创始人引入资深高管，比如招聘一位经验丰富的产品负责人。

「有些事情是外包不出去的。作为创始人，你不能把『我们的产品应该是什么』交给别人回答，也不能把核心工程问题外包出去。」

Faris说，他们当时以为找到一位做成过类似事情的高管，就能解决眼前的问题。后来才发现，即便对方过去成功过，也无法替创始人完成这些判断。

如今，Normal的管理团队既有四十年工作经验的人，也有只有五年经验的人。Faris希望保留这样完美的配备组合。

「作为创始人，你绝不应该向团队传递这样的信号：若没有四十年经验，就不可能在这里成长为领导者。」

07 CEO的时间分配：工作日一半留给工程师，周末全部留给个人思考

谈到时间分配时Faris开玩笑说，融资本来应有淡旺季，现在却似乎全年都是融资季。除了负责融资之外，他的工作主要就是施密特提到的那两项：销售和工程。

对Normal来说，销售更多是与合作伙伴打交道。Faris经常往返于韩国和湾区。日常运营可以交给同事来做，但若涉及与重要合作方规划一款两三年后才发布的产品，他认为必须由创始人亲自参与。

在公司时，他会花大约一半的时间和工程师待在一起，了解他们的工作卡在了哪里。

「工程师是很难搞的一群人。我自己也是工程师，所以可以这么说。他们不会主动告诉你是什么阻碍了进展，往往把事情藏在心里。」

他会尽量让自己不在周六工作，周日也通常不安排电话和会议，留出时间思考和规划。他说，创业初期如果看多了那些创业传奇，很容易觉得自己也必须每天工作十六个小时，一周七天连轴转。

「但如果一直这样，身体迟早会撑不住，判断力也会受到影响。」

08 就像蒸汽机刚被发明的年代

参与本次活动的还有不少即将毕业的斯坦福商学院学生。郑泓替他们问Faris：如果你现在毕业，还会选择先去Google吗？

Faris说，几年前他可能会，但现在更想自己动手做些东西。

「这就像蒸汽机刚刚发明出来，你恰好在这个时候毕业，你当然应该去研究蒸汽机，或者做点与它有关的事。」

他认为，眼下正是技术发展最令人兴奋的时期之一。对毕业生来说，可以尝试自己做产品，也可以加入一家早期公司：看看它要解决怎样的问题，是否值得投入，以及是否可能为世界带来足够大的改变。

对话最后，郑泓用几个快问快答收尾。

她先问，AI行业里，哪个概念最被高估？Faris想了想，答道：「也许是RSI。」郑泓正是RSI的投资人，笑着接话：「我会转告Richard。」

至于最被低估的概念，他的答案是「也许还是世界模型」。

谈到创始人最重要的特质，郑泓给出了技术能力、领导力和坚毅三个选项。Faris毫不犹豫回答：「解决问题的能力。」

最后一问，选湾区还是纽约？「肯定是这里。湾区」

本文基于2026年10月23日嘉加资本EnvisionX Capital与Normal Computing炉边对话内容整理，原对话为英文，经创见团队翻译编辑。主持人郑泓，嘉加资本创始及管理合伙人、蓝标国际董事长；嘉宾Faris Sbahi，Normal Computing联合创始人兼CEO。

文中观点为嘉宾个人表达，不构成投资建议。欢迎分享，转载请注明出处：创见播客。